将神经微分预测与安全强化学习集成用于血糖调控
机器学习
2026-01-23 v2
摘要
类型1糖尿病的自动胰岛素输送必须在不确定的餐食和生理变异性下平衡血糖控制与安全性。虽然强化学习（RL）可实现自适应个性化，但现有方法难以同时保证安全，导致既非个性化又非风险感知的血糖控制空白，如餐前过量给药或叠加纠正剂。为弥合这一空白，我们提出TSODE，一种安全感知型控制器，将Thompson抽样RL与神经常微分方程（NeuralODE）预估器相结合。具体而言，NeuralODE预测基于拟议胰岛素剂量所conditioning的短期血糖轨迹，同时，保守校准层量化预测不确定性，以拒绝或缩放高风险动作。在获批的UVa/Padova模拟器（成年人队列）中，TSODE实现了87.9%的时间在范围内，且低于10%的时间低于70 mg/dL，优于相关基线方法。这些结果表明， 将自适应RL与校准好的NeuralODE预测相结合，可实现可解释、安全且稳健的血糖调控。
关键词
引用
@article{arxiv.2511.12417,
title = {Integrating Neural Differential Forecasting with Safe Reinforcement Learning for Blood Glucose Regulation},
author = {Yushen Liu and Yanfu Zhang and Xugui Zhou},
journal= {arXiv preprint arXiv:2511.12417},
year = {2026}
}
备注
5 pages, 3 figures, ISBI 2026